提示工程基础：如何让 AI 听懂你的话

很多人觉得提示工程是「玄学」——同样一个问题，换个说法 AI 就给出一个完全不同的答案。

但事实上，提示工程是把模糊的人类意图，翻译成大语言模型可解析、可响应、可复现的结构化指令的过程。

它要求创作者像调试一段关键函数那样审慎：

• •定义角色：为模型装上行为罗盘
• •明确约束：为模型划出不可逾越的逻辑边界
• •嵌入示例：用真实样本浇筑输出稳定性
• •激发思维链：邀请模型展开内在的推理叙事

1. Zero-shot：直接下指令

Zero-shot（零样本提示） 是不给 AI 任何示例，直接下达指令。这是我们最常用的方式。

# Zero-shot 示例
prompt = "写一个 React 按钮组件"

效果：AI 可能给你 Class Component，也可能是 Functional Component；样式可能是内联，也可能是 CSS Modules——完全看它「心情」。

适用场景：

• •通用常识性问题
• •简单任务
• •输出格式不重要的场景

局限：

• •复杂任务容易「自由发挥」
• •输出格式不可控

2. Few-shot：照猫画虎

Few-shot（少样本提示） 在指令中提供 1-3 个「输入 → 输出」的示例，让 AI 模仿你的逻辑和格式。

# Few-shot 示例
prompt = """
把以下中文翻译成英文：

苹果 -> Apple
香蕉 -> Banana
橙子 -> ?

翻译：橙子 ->
"""

为什么有效：

大语言模型本质上是在做「下一个词预测」。当你给出示例时，你实际上是在：

• •定义输出格式——告诉模型你想要什么样的结构
• •建立风格基准——让模型模仿你的表达方式
• •减少歧义——示例比文字描述更精确

Few-shot 的本质是用样本代替描述，让模型自己领悟规则。

3. Chain of Thought：让模型先思考

Chain of Thought（思维链，CoT） 是通过引导模型显式展示推理步骤，从而提升复杂任务求解能力的技术。

# CoT 示例
prompt = """
小明有5个苹果，他吃了2个，又买了8个。请问他现在有几个苹果？

让我们一步步思考：
1. 小明最开始有5个苹果
2. 吃了2个，剩下 5-2=3 个
3. 又买了8个，现在有 3+8=11 个

答案：11
"""

核心效果（来自 Google 论文数据）：

CoT 的本质是把「直接给答案」变成「展示推理过程」，让模型模拟人类逐步思考的行为。

最强大的提示往往不是单一技巧，而是组合使用。

prompt = """
任务：解数学应用题

示例：
问题：小明有10个球，他给了小红3个，又买了5个，现在有多少个？
思考过程：
1. 初始数量：10个
2. 给出后：10-3=7个
3. 购买后：7+5=12个
答案：12个

问题：小华有15块钱，他买了零食花掉7块，又爸爸给了10块，现在有多少钱？
思考过程：
"""

这种组合让模型既知道怎么做（格式），又知道为什么这么做（推理）。

技巧 1：使用分隔符

prompt = """
<<系统>>
你是一个专业的代码审查员。

<<任务>>
审查以下代码的安全性：

<<代码>>
def get_user(user_id):
    query = f"SELECT * FROM users WHERE id = {user_id}"
    return db.execute(query)
"""

技巧 2：明确输出格式

prompt = """
用 JSON 格式返回结果，包含以下字段：
- name: 产品名称
- price: 价格（数字）
- tags: 标签（数组）

返回：
"""

技巧 3：角色定义

prompt = """
你是一位有 10 年经验的技术架构师，擅长用通俗易懂的语言解释复杂概念。

请解释什么是微服务架构：
"""

技巧 4：约束边界

prompt = """
写一篇产品介绍文案，要求：
- 长度：100-200 字
- 风格：专业但不失活泼
- 禁止：夸大宣传、绝对化用语（如"第一"、"最好"）
- 必须：包含具体数据或案例
"""

掌握了提示工程，你就有了驯服 LLM 的基本能力。但真正的 Agent 需要更多：

• •工具调用：让 LLM 能够行动
• •记忆管理：让 LLM 能够记住上下文
• •规划能力：让 LLM 能够拆解复杂任务
• •反思能力：让 LLM 能够自我纠错

这些内容，我们会在后续文章中逐一展开。

• •AI工程化实战:构建可靠的提示词工程体系
• •Prompt Engineering 进阶必会:从"瞎聊"到"精准控制"
• •Chain-of-Thought 提示工程进阶:5个高阶技巧